HeyGen：国内初创团队打造的AI视频创作工具

最近，霉霉说地道中文的视频在全网疯传。没有机械的翻译腔，霉霉用自然而地道的语气讲述自己最近的游历，甚至连嘴型都卡点对上，效果堪称绝绝子。没有看过视频的小伙伴们，可以去找找看。

那么，这是如何实现的呢？其中有三个很重要的因素：掌握地道的口语翻译、语音克隆和替换嘴型。来源：johnhuu教英语

这种视频效果如此好，不少网友就开始试图找到“复刻之法”。一位网友就表示需要至少三步才能达到这种效果，Whisper识别、Tortoise-TTS合成带原始说话人音色的语音、Wav2lip换嘴型。来源：X（原Twitter）

而背后一款AI工具也被网友迅速扒出。这不扒不知道，一扒吓一跳，这个工具竟然还是来自国内的一个初创团队做的。全网爆火，HeyGen被网友疯玩全网火爆，网友纷纷动手玩了起来。网友@GordenSun也复刻了一段霉霉说中文的视频，在排队等待7000个视频后，用HeyGen制作的视频翻译终于完成了。并直言：“效果绝对目前最好，没有之一”。来源：X（原Twitter）

从视频可以看到，无论是口型完美，卡点和嘴型都对的。不过作者也表示，虽然声音克隆稍有缺陷，毕竟HeyGen只通过40秒的视频来克隆音频，如果刻意对比原视频，情感还原度稍有欠缺。HeyGen虽然可以免费试用，但只能生成1分钟时长视频，且生成需要等待很长时间，而付费版最便宜的也要24美元/月。因此，就有热心网友贴出了如何用开源的工具，做出和HeyGen生成效果同样的视频。比如，语音转文字whisper、文字翻译GPT、声音克隆+生成音频so-vits-svc、生成符合音频的嘴型视频GeneFace++。来源：X（原Twitter）

除了这种中英互译的视频，HeyGen在外网也是一片火爆景象，各种玩法都有。比如，这位网友就用HeyGen制作了说6种不同语言的视频。HeyGen火爆程度可见一斑，而近日根据推特上一位分析师Will的统计显示，今年8-9月，各大文生图类AI网站的访问量均开始呈现下降趋势，但HeyGen的访问量却上升了92%，流量跃居各大独立AI网站之首。来源：X（原Twitter）

那么，这个被众多网友狂推，成为AI独立网站之首的HeyGen，到底是什么来头？国内创业团队，7个月收入百万美元。2020年12月，HeyGen的背后玩家“诗云科技”在深圳成立。据36氪此前报道，公司成立之初，就以“用AI生成内容，让用户以更低成本完成内容创作”为愿景，已获得来自红杉中国、真格基金等风投们累计近千万投资。来源：X（Twitter）

HeyGen要做AI视频创作领域的Midjourney，在团队方面竟也有一些相似之处。目前，HeyGen的团队只有大概30人，分布在全球各地，以远程办公形式进行合作。HeyGen的前身，一款名为“Movio”的AI视频翻译平台，背后所依靠的模型是自家的多模态内容生成引擎“SurrealEngine”。2022年7月，诗云科技推出多模态内容生成引擎SurrealEngine，将内容生产分为Understanding（理解）、Framing（视框化）、Rendering（渲染）三个步骤。区别于市面上的两大3D内容创作巨头：EpicGame的UnrealEngine和Nvidia的Omniverse，SurrealEngine让普通人也可以轻松进行高维度、可交互的内容创作。来源：诗云科技

得益于此，HeyGen的最新版本JoshuaAvatar2.0在实时生成人物视频方面逼真度方面表现出色。这不，连公司创始人都亲自上阵打广子了～

不仅如此，HeyGen的产品正式上线后的一年不到，创始人JoshuaXu就发表博文表示：HeyGen在7个月内实现了100万美元的ARR（年度经常性收入），并保持连续9个月50%的月环比增长率。来源：X（原Twitter）

目前，HeyGen可以支持50多种语言和300多种不同的音色，用户可以上传自己的照片进行个性化形象定制，HeyGen也贴心地为用户提供了上百款数字人素材和模板。盈利模式方面，HeyGen主要依靠C端客户付费，视频生成付费模式分为“创作者（Creator）和商务（Business）”两种，最低24美元/月。也支持“声音克隆、人像精调”单独付费。未来将逐步开放API接口、团队协作和企业功能。HeyGen可以基本保证1080P的分辨率，满足广告、电商、新闻等行业的需求，还能帮助用户制作PPT。此外，HeyGen还提供了文本转视频、音频上传、视频分享和多种场景视频等功能。当然，HeyGen还处在成长期，并不是完美的。目前，一些技术问题还会存在——比如生成的AI视频存在视频抖动、眨眼频率过高等问题。不过，HeyGen目前正在努力解决这些问题并推出新功能。上周四，HeyGen就在一场线上会议中展示商业版本的各项新功能——商业用户可以用HeyGen生成长达3小时的内容，画质最高可提升至4K，这一切工作都可以在新上线的并排脚本编辑器、集成的校对模块中进行。